Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 2
METODOLOGÍAS PARA EL ANÁLISIS DE DATOS Y SU
RELACIÓN CON LOS OBJETIVOS DE NEGOCIO
La metodología en el análisis de datos nos permite planear de manera mucho más organizada metas e implementaciones de acuerdo a un determinado proyecto y un tratamiento adecuado de acuerdo a las necesidades del mismo.
METODOLOGÍA ASUM PILARES PRINCIPALES
Analytics Solutions Unified Method (Método Análisis y Diseño. Unificado para Soluciones de Analítica). Configuración y Ejecución. Despliegue, operación y optimización.
FASE 1: INICIO DEL PROYECTO
Levantamiento de la información y diagnóstico previo. Se debe tener en cuenta: tecnologías utilizadas, fuente de datos, acceso a la información, volumen de la información, instalaciones.
FASE 2: ENTENDER EL NEGOCIO
Determinar objetivos. Costo y beneficio.
Realizar evaluaciones. Ruta de trabajo. Terminología. Reportes.
FASE 3: DESCUBRIMIENTO Y ENTENDIMIENTO DE DATOS
Fuente Propia de Datos. Compra de Datos. Datos Abiertos.
Realizar recolección de datos iniciales determinando la consistencia de
la información.
¿Los datos con correctos? ¿Se presentan datos con formatos
¿Los datos están completos? incorrectos? ¿Qué tipo de errores se pueden presentar? ¿Existe duplicidad de datos? ¿Hay valores que son nulos?
FASE 4: PREPARANDO LOS DATOS
Seleccionar los datos. ¡Es primordial que al integrar los
Crear la estrategia de limpieza de datos. datos se maneje el mismo tipo de Completar los datos. formato! Integrar los datos.
FASE 5: CONSTRUIR EL MODELO
Escoger la técnica para realizar el modelado.
Diseño de pruebas. Construir el modelo. FASE 6: EVALUAR EL MODELO De acuerdo a los resultados obtenidos del modelo, se procede a realizar un diagnóstico que determine si el modelo es el indicado para el negocio.
Tener en Cuenta: El resultado responde a las metas. Realizar un mejor entendimiento de los datos de la compañía. Genera nueva información de valor que antes del proyecto de analítica no existía. No responder a las expectativas.
DETALLES QUE NO DEBES PASAR POR ALTO
Revisar que todo lo que se planeó se haya llevado a cabo. Determinar los motivos por los cuales algunos procesos no se ejecutaron. De haber errores, establecer acciones puntuales para ser corregidos y evitar de esta manera futuros riesgos. Preparar nuevamente los datos. Evaluar otro posible tipo de modelo que pueda mejorar el análisis exploratorio de datos de acuerdo a las necesidades y requerimientos identificados. Documentar cada uno de los hallazgos tanto positivos como negativos.
Presentado por: Camilo Andres Munevar
Programa: Análisis exploratorio de datos con Python Ficha: 2965103 Fuente: Componente de formación SENA Análisis exploratorio de datos: Análisis de datos: el futuro de las organizaciones
